Hugging Face Hub 模型社区

是什么 Hugging Face Hub是Hugging Face运营的平台，用于托管和分享机器学习模型、数据集以及称为Spaces的演示应用。这一平台常被称为机器学习领域的GitHub，即开发者分享软件所用的代码托管服务。^[1] 机器学习模型是由学习得到的数值权重组成的文件；数据集则是用于训练或测试模型的样本集合。Hub上的一个仓库（repository）保存一个模型、数据集或Space的全部文件，以及它的历史记录和说明文档。 ## 由来 Hub的仓库最初建立在版本控制系统Git之上，并使用Git LFS（大文件存储）来处理大型二进制文件。2020年，公司推出了huggingface_hub Python客户端库，其第一个版本v0.0.1于2020年末发布。^[1][2] 客户端是让程序或用户向Hub上传和下载文件的代码。 Gradio是一个用于搭建机器学习模型演示的Python库，于2021年12月并入公司。其创始人表示，到那时已有超过30万个演示使用它构建。^[4] Gradio成为在Hub上构建演示应用的基础。 2022年6月，客户端库增加了HTTP提交接口，上传文件因此不再需要Git或Git LFS。^[2] 这一改动消除了不熟悉Git工作流程的人发布大型文件的技术障碍。 ## 增长 2024年9月，Hub的公开模型数量突破100万，公告“1M Models on Hub”于2024年9月26日发布。^[3] 2024年8月，Hub上约有130万个模型、45万个数据集和68万个Spaces。其大文件存储约有12 PB（拍字节），分布在2.8亿个文件中，每天约处理10亿次请求。^[1] 1 PB等于1000 TB，这一数字说明当时平台存储的数据量已相当庞大。 ## 存储：从Git LFS到Xet Hugging Face于2024年8月收购XetHub，用以取代Git LFS，改用分块（chunk-level）且去重的存储方式。实际效果是：编辑一个大文件时，只需重新上传发生变化的数据块，而不必上传整个文件。^[1][2] 去重意味着相同的数据只存储一份。到2025年底，Xet迁移已覆盖超过77 PB的数据，涉及600多万个仓库。^[1][2] ## 2025年底的规模 到2025年10月，Hub已有200多万个公开模型、50万个公开数据集和100万个公开Spaces；如果计入私有仓库，总数大约翻倍。^[2] huggingface_hub v1.0于2025年10月27日发布，并附带新的hf命令行工具。^[2] 命令行工具是在终端中运行、而非通过图形窗口操作的程序。 ## 后续增加的功能 Hub随时间陆续增加了多项服务，包括Inference Endpoints（用于托管模型，供应用调用）、Inference Providers（通过一个API连接多家无服务器推理服务商）、2025年第三季度推出的Jobs API，以及与MCP的集成。MCP即模型上下文协议，使AI助手能够连接外部工具和数据。^[2] 无服务器（serverless）指用户无需管理运行模型的服务器。 ## 2026年的规模 到2026年9月，该平台拥有300多万个模型和超过1800万用户。英伟达同意收购Hugging Face时引用了这些数字。^[5] ## 2026年7月的安全事件 2026年7月，Hugging Face披露其生产系统遭到入侵。入侵始于其处理管线中的一个恶意数据集。公司表示，公开模型、数据集和Spaces没有被篡改的迹象，并建议用户轮换访问令牌。^[6] 访问令牌是一串授权程序或用户使用账户的密钥，轮换即换用新令牌，使旧令牌失效。 ## 影响 Hub是公开发布和下载开放机器学习模型的主要场所之一。它的存储方式、客户端库和安全措施会影响大量开发者，因此本条目对其增长数字和安全事件记录较为详细。需要某一日期的准确数字的读者，应当核对该数字的报道日期，因为这些年间的总量增长很快。